• فهرست مقالات Expectation-Maximization

      • دسترسی آزاد مقاله

        1 - مدل مرزی تصادفی خودبازگشتی با تابع غیر خطی از متغیر برون‌زا و ناکارایی فنی پویا
        بهاره فیضی احمد پوردرویش
        در این مقاله، ما بر روی مدل مرزی تصادفی خودبازگشتی جدیدی براساس تابع غیرخطی از متغیر برون‌ زا، در داده‌های تابلویی متمرکز شده‌ایم. در مدل‌ های مالی کلاسیک، ناکارایی فنی به صورت ناهمبسته در نظر گرفته می‌شود، که اغلب در موارد تجربی این فرض صدق نمی‌کند. در مدل مرزی تصادفی چکیده کامل
        در این مقاله، ما بر روی مدل مرزی تصادفی خودبازگشتی جدیدی براساس تابع غیرخطی از متغیر برون‌ زا، در داده‌های تابلویی متمرکز شده‌ایم. در مدل‌ های مالی کلاسیک، ناکارایی فنی به صورت ناهمبسته در نظر گرفته می‌شود، که اغلب در موارد تجربی این فرض صدق نمی‌کند. در مدل مرزی تصادفی خودبازگشتی مدنظر، خطای مرکب از دو جزء، خطای آماری و ناکارایی فنی تشکیل شده است، به طوری‌که ناکارایی فنی به صورت خودهمبسته، فرض می‌شود. ناکارایی فنی خودهمبسته را می‌توان به این صورت تفسیر نمود که ناکارایی فنی شرکت در زمان حال، بستگی به میزان ناکارایی فنی قبلی شرکت و ناکارایی گذرای فعلی آن دارد. روش نیمه‌ پارامتری برای برآورد تابع غیرخطی متغیر برون‌زا، از طریق روند دو مرحله‌ای به صورت بسط سری تیلور و فاکتور تعدیل‌گر ناپارامتری، محاسبه شده است. برای برآورد پارامترهای مدل، نیز از رویکرد حداکثر انتظار استفاده می‌شود و عملکرد برآورد توسط شبیه‌سازی مونت کارلو بررسی می‌شود. پرونده مقاله
      • دسترسی آزاد مقاله

        2 - Closed Loop Identification of Multi-Rate System by ‎Expectation-Maximization
        somayeh Jokar Amin Ramezani Mehdi Siahi
        Closed-loop identification of multi-rate system with unknown parameters, that including prevalent non-uniform sampling data, is considered. The purpose is to identify a multi-rate closed loop model to approximate the parameters varying system. As far as the research has چکیده کامل
        Closed-loop identification of multi-rate system with unknown parameters, that including prevalent non-uniform sampling data, is considered. The purpose is to identify a multi-rate closed loop model to approximate the parameters varying system. As far as the research has been done, the identification of multi-rate closed loop model with unknown parameters by using the expectation-maximization algorithm has not been done. To address this challenge, the two-stage method and expectation-maximization algorithm are applied in this paper to identify unknown parameters of system. In this case, by introducing the hidden variable, an EM is utilized to estimate the unknown model parameters. And also, it will be demonstrated that, to estimate of system parameters, Instead of the point estimate of the time variable, the full probability distribution of the time variable estimate is required. The performance of this procedure represents by simulation, and obtain consequences affirm that method has high precision and also has a high convergence speed. These simulations express that the performance of this algorithm is good, as the identified parameters accede the true parameters after several iterations. The Monte Carlo simulation with different noise realizations at SNR=26dB and SNR=46 dB are performed for showing the effectiveness of mentioned algorithm. پرونده مقاله
      • دسترسی آزاد مقاله

        3 - روشی جدید جهت بخش‌بندی ضایعات مالتیپل اسکلروزیس (MS) در تصاویر MR مغزی
        سیمین جعفری علیرضا کریمیان
        بخش‌بندی ضایعات مالتیپل اسکلروزیس (MS) در تصاویر MR مغزی به منظور کمک به تشخیص و پیگیری این بیماری در سالهای اخیر مورد توجه قرار گرفته است. در این مطالعه از مدل ترکیب گوسی (GMM) برای قطعه‌بندی ضایعات MS در تصاویر MR استفاده شد. به منظور بهینه‌سازی GMM از الگوریتم بیشینه چکیده کامل
        بخش‌بندی ضایعات مالتیپل اسکلروزیس (MS) در تصاویر MR مغزی به منظور کمک به تشخیص و پیگیری این بیماری در سالهای اخیر مورد توجه قرار گرفته است. در این مطالعه از مدل ترکیب گوسی (GMM) برای قطعه‌بندی ضایعات MS در تصاویر MR استفاده شد. به منظور بهینه‌سازی GMM از الگوریتم بیشینه‌سازی امید ریاضی (EM) استفاده می‌شود اما این الگوریتم معمولاً به یک نقطه بهینه محلی همگرا می‌شود که برای رهایی از گیر افتادن در این نقطه، الگوریتم را از نقاط شروع متفاوت اجرا کرده و بهترین نتیجه ذخیره می‌شود که کاری زمانبر است. در این مقاله از استراتژی متفاوتی به منظور تسریع و افزایش دقت این الگوریتم استفاده شده است. همچنین به منظور کاهش میزان محاسبات و افزایش دقت الگوریتم EM، از الگوریتم Fast Trimmed-Likelihood استفاده شد. جهت اعتبارسنجی روش پیشنهادی، تصاویر ناحیه‌بندی شده به روش خودکار با تصاویر ناحیه‌بندی شده توسط دو فرد متخصص مقایسه شده است. نتایج حاصل نشان می‌دهد روش پیشنهادی با کسب رتبه 82% برای ضریب تشابه Dice، قابلیت این را دارد که با دقت بالایی ضایعات MS را تشخیص داده و بخش‌بندی نماید پرونده مقاله
      • دسترسی آزاد مقاله

        4 - انتخاب سبد سهام بهینه با رویکرد ارزش در معرض ریسک چندافقی پارامتریک و ناپارامتریک
        محمد علی طبیبی سید محمدرضا داودی عبدالمجید عبدالباقی عطاآبادی
        ارزش در معرض ریسک یکی از معیارهای پرکاربرد سنجش ریسک است که حداکثر ضرر یک سبد سهام را برای یک سطح اطمینان مشخص و در یک افق زمانی معلوم اندازه می‌گیرد. ارزش در معرض ریسک دوره، مفهوم ارزش در معرض ریسک را برای یک سرمایه‌گذاری با مجموعه‌ای از افق‌ها‌ی سررسید توسیع می‌دهد. ب چکیده کامل
        ارزش در معرض ریسک یکی از معیارهای پرکاربرد سنجش ریسک است که حداکثر ضرر یک سبد سهام را برای یک سطح اطمینان مشخص و در یک افق زمانی معلوم اندازه می‌گیرد. ارزش در معرض ریسک دوره، مفهوم ارزش در معرض ریسک را برای یک سرمایه‌گذاری با مجموعه‌ای از افق‌ها‌ی سررسید توسیع می‌دهد. بدین صورت تاثیر ریسک نقدشوندگی کاهش می‌یابد و سرمایه‌گذار از فرصت تصمیم‌گیری فروش در یک مجموعه زمانی برخوردار است. در پژوهش حاضر دو مدل سبد سهام بر اساس ارزش در معرض ریسک دوره طراحی می‌گردد که اولی ناپارامتریک و بر اساس شبیه سازی تاریخی و دومی‌به صورت پارامتریک و بر اساس توزیع مخلوط نرمال-لاپلاس چندگانه در جهت برازش مناسب داده‌های دمی‌است. نتیجه مطالعه تجربی مدل‌ها‌ی طراحی شده بر روی یک سبد سهام با هشت شاخص از بورس اوراق بهادار تهران در بازه 1390 تا 1399 نشان می‌دهد که رویکرد پارامتریک در داده‌ها‌ی آزمون و در معیار متوسط بازده و نسبت شارپ، نسبت به سناریوسازی تاریخی عملکرد بهتری دارد. همچنین خطای نسبی بین ارزش در معرض ریسک دوره پیش‌بینی شده توسط سبد سهام و مقدار مشاهده شده آن در داده‌ها‌ی تست در رویکرد پارامتریک کمتر است. پرونده مقاله